软件系统的可靠性综合评估模型研究*

主要研究了软件系统可靠性的评估方法。基于软件系统的基本结构和体系,对软件系统层次可靠性进行分析,并对影响可靠性的因素进行了分析;根据各分系统失效对整体系统失效影响程度的大小,通过事件测试分析得到实际参数,在给出重要度系数的基础上,建立了串并联系统间权重系数模型,并通过Bayes分析建立了软件系统的可靠性综合评估模型,从而达到对软件系统可靠性综合评估的目的。算例表明该可靠性综合评估模型具有一定的工程应用价值。     

E 级超级计算机故障预测的数据采集方法

随着超级计算机规模向E级迅速发展,其可靠性面临巨大挑战,基于故障预测的主动容错技术成为提高系统容错能力的有效方法之一。数据采集是故障预测的基础,现有用于超级计算机故障预测的数据采集方法采集数据属性少、开销大,影响了故障预测的准确性和效率。本文面向未来E级超级计算机,提出数据采集框架（Failure Prediction Data Collection Framework, FPDC）,能够全面采集与计算结点故障相关的状态数据,采用自适应多层分组数据汇集方法,有效解决了随着系统规模增长数据汇集过程开销过大的问题。在TH-1A超级计算机上的实现和测试表明,该数据采集框架具有开销小,扩展性好的优点,能够适应未来大规模系统故障预测数据采集的需求。     

小子样多失效模式系统可靠性竞争模型

为解决小子样多失效模式系统可靠性模型参数的估计问题,首先应用支持向量积建立小子样条件下各故障模式的规律模型,其次利用模型将各故障模式的故障数据由小子样扩充成大样本,再次采用常规的参数估算方法估算各故障模式的分布参数,最后建立多失效模式系统的可靠性竞争模型。利用所提方法,建立了小子样条件下具有两种失效模式的柴油机汽缸套可靠性竞争模型,计算结果与大样本条件下的故障预测数据吻合度较高,说明了方法的有效性。     

导弹遥测故障的GM-Verhulst-SCGM预测算法

遥测故障预测是保障导弹遥测系统可靠性的基础。根据导弹遥测故障的历史数据,结合GM(1,1)模型、Verhucst模型和SCGM(1,1)c模型构建了导弹遥测故障的GM-Verhulst-SCGM组合灰色预测模型,按照预测有效度算法取得组合预测模型的权重系数。选用导弹遥测故障的训练组实际值作为原始数据,分别利用各预测模型估算对比组导弹遥测故障数据。预测结果表明,相比单一预测模型,组合灰色预测模型具备更高的故障预测精度。在验证组合灰色预测模型可行性的基础上,进一步估算了同一型号导弹未来时序的遥测故障数据,为相关部门及时改善导弹遥测技术及避免导弹故障提供理论及方法借鉴。     

基于可用度的电子设备告警系统检查策略研究

针对电子设备告警系统故障具有隐蔽性的特点,考虑检查不完善的因素,运用延迟时间概念,以系统期望可用度最大为优化目标,建立了电子设备隐蔽功能故障检查优化模型。提出了优化检查间隔期的算法,并通过实际案例验证了模型的有效性。     

武器装备作战控制软件管理方法

随着科学技术不断进步 ,微处理器及其作战控制软件已被现代武器装备大量采用 ,作战控制软件发挥的作用越来越大 ,对软件的管理亦更加重要 ,通过对作战控制软件管理方面存在的问题的分析 ,提出了加强武器装备作战控制软件管理的方法     

通信对抗装备软件质量保证若干问题探讨

论述了通信对抗装备软件质量保证的基本内涵 ,在分析软件质量保证实施中存在的突出问题的基础上 ,提出了加强软件质量保证工作应该采取的对策     

考虑故障影响的机构可靠性建模

对影响机构可靠性的主要因素、机构可靠性变化的基本过程以及表征机构可靠性变化的指标参数进行了分析 ,针对机构可靠性问题的特点 ,提出了基于机构输出参数的目标函数与实现函数的叠覆进行机构可靠性分析的方法以及考虑故障等级影响、对不同故障等级进行加权的机构可靠性失效判据 ,建立了与此相对应的机构可靠性分析的数学模型 ,给出了利用Monte Carlo方法对数学模型进行求解的计算流程 ,并对某实际工程问题进行了实例分析。     

综合战场环境仿真软件建模

作为C3I系统重要组成部分的综合战场环境仿真软件要求必须具有开放性和可重用性,以适应战场环境和武器系统的变革.基于以上特点,本文采用UML对综合战场环境仿真软件需求进行建模,采用此方法对该软件进行建模,可以将复杂的综合战场环境仿真系统用简单明了的可视化图形表示出来,为整个软件的开发提供灵活、一致、易读的表达,不仅可以解决软件开发中众多领域人员难以互相交流理解的难题,还可以提高软件的可靠性、可重用性和可维护性.     

失效概率函数求解的高效算法

结合基于分数矩约束的极大熵方法和替代模型法,发展了一种失效概率函数求解的高效算法。所提算法的基本思路是利用自主学习的迭代Kriging方法来构造失效概率函数,即采用较少的训练样本来构造粗糙的失效概率函数,在此基础上通过添加新的违反学习函数约束的样本来更新失效概率函数,直到达到精度要求。对于每一个分布参数的训练样本点,所提方法采用分数矩约束的极大熵法来求解相应的失效概率样本。由于分数矩的计算采用了高效的降维积分,并且由于分数矩约束下极大熵法中优化策略高效地逼近了响应的概率密度函数,从而使得失效概率样本能够被高效高精度地估计出来。为了检验所提方法的精度及效率,给出了两个算例,对比了所提方法与已有的失效概率函数求解的Bayes公式法及Monte Carlo法等,结果表明,所提方法适用于求解复杂的功能函数问题,且在满足精度要求的基础上大大降低了计算量。